Szürke Állomány, Blog az agyműködésről

Most hogy átvészeltük a jutalmazási rendszer irányításával működő felügyelt tanulás rendszerét és módszereit, nézzünk példákat is a működésére. Egy ingerre vagy egy cselekedetre adott válasz, vagy annak hiánya többféle kimenetellel (jutalom, büntetés, vagy ezek elmaradása) járhat, és ennek megfelelően eltérő módokon tanulnak az érintett agyi területek.

Tegyétek félre az időpontot!

Idén szeptember 26.-27.-én kerül megrendezésre a  Kutatók Éjszakája 2025, melyhez a KOKI is csatlakozik előadásokkal és laboratórium látogatásokkal.

Nézzük akkor a dopamin második hatását. Ugyanis a pozitív RPE (sok dopamin)– vagyis amikor a kapott jutalom nagyobb vagy váratlanabb, mint amit előre vártunk – nemcsak tanulási jelet, hanem szubjektív élményt is kivált: örömöt, elégedettséget, "sikerérzést".

Annak a bemutatásával folytatjuk hogyan szabályozza a dopamin a tanulást? 

Eljutottunk végre oda, hogy kiértékeltük a válasz sikerét és kaptunk egy pozitív, egy nulla vagy egy negatív reward prediction error-t (RPE). Ennek megfelelően sok dopamin szabadul fel, kevés dopamin szabadul fel vagy nem szabadul fel dopamin. Ez lesz a jel arra, hogy kell-e tanulni, a szinaptikus kapcsolatok megerősödjenek, ne változzanak vagy gyengüljenek.

A dopaminfelszabadulás –a jutalom-predikciós hiba (RPE, reward prediction error) kódolása összetett agyi rendszerek összehangolt működése nyomán jön létre. Ezek a rendszerek érzékelik, összevetik és értékelik a várt és a bekövetkezett kimeneteleket, és ennek alapján határozzák meg, hogy felszabadul-e dopamin, milyen mennyiségben, és mely agyterületeken. Ami fontos, hogy nem a jutalom értéke számít itt, hanem a jutalom változása és váratlansága. Ez tanít minket a legjobban, hibáinkból és sikereinkből tanulunk a legjobban, nem a kb. jó rutinszerűen megcsinált dolgokból.

Most hogy átvettük a memóriák és a tanulás fajtáit, jön a legcikornyásabb rész, a jutalmazási rendszer (reward system) felépítésének és működésének bemutatása. A jutalmazási rendszer az agy egyik legfontosabb motivációs és tanulási rendszere, amely lehetővé teszi, hogy egy szervezet súlyozza (priorizálja), megtanulja és előnyben részesítse azokat a viselkedéseket, amelyek kellemes vagy hasznos kimenetelhez vezetnek és elkerülje azokat amik nem. A különböző típusú tanulások másként használják ezt a rendszert.

A tanulás alapja a szinaptikus súlyok megváltozása. A neuronhálózatoknál bemutattuk a memória alapjául szolgáló sejtszintű, társításos (asszociatív) tanulást, mely a Hebb szabályt használva alakítja a szinaptikus súlyokat, és ezért a hálózat információfeldolgozó képességét. Ez ugye a (kis)hálózat szintű tanulást írja le, ami azonnali és mindig bekövekezik, ha megvan az egyidejűség.

Az MTA Alumni program keretében meghívtak Veszprémbe a Vetési Albert Gimnáziumba, hogy beszéljek az agyműködésről és agykutatásról. Az előadást az MTA által megbízott profi csapata rögzítette és megvágta.